《表2 模型预测性能Table 2 Predicting performance of models》

《表2 模型预测性能Table 2 Predicting performance of models》   提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《基于混合智能算法的多目标优化在厌氧氨氧化与反硝化协同脱氮除碳中的应用》


  1. 获取 高清版本忘记账户？点击这里登录
  1. 下载图表忘记账户？点击这里登录

结合上文，原始数据经归一化和PCA处理后，分别建立起基于BP神经网络的NH4+-N和COD去除浓度预测模型，其中，输入层为进水NH4+-N、NO2--N、COD和p H，输出层分别为NH4+-N和COD去除浓度，通过试错法选用5个节点作为隐含层节点，模型的拓扑结构最终为4-5-1.从实验样本中选取120组数据作为训练样本，24组数据作为检验样本.值得注意的是，模型的训练样本和检验样本的选取都应包含多种条件.选用函数tansig和logsig作为隐含层和输入层神经元的传递函数，选用函数trainlm作为训练函数.网络的学习速率为0.3，学习动量常数为0.001，目标误差为0.015，最大迭代为1000次.仿真结果如图4和表2所示.

图表编号XD0025495400    严禁用于非法目的
绘制时间2018.04.06
作者谢彬、马邕文、万金泉、王艳、渠艳飞
绘制单位华南理工大学环境与能源学院、华南理工大学环境与能源学院、华南理工大学教育部工业聚集区域污染控制与修复重点实验室、华南理工大学制浆造纸国家重点实验室、华南理工大学环境与能源学院、华南理工大学教育部工业聚集区域污染控制与修复重点实验室、华南理工大学制浆造纸国家重点实验室、华南理工大学环境与能源学院、华南理工大学教育部工业聚集区域污染控制与修复重点实验室、华南理工大学制浆造纸国家重点实验室、华南理工大学环境与能源学院
更多格式高清、无水印（增值服务）

相关图表

  1. 《表3 2013-2015年各组合模型的预测结果Table 3 Predicting results of the combined models from 2013 to 2015》2019.03.01
  2. 《表1 两种模型的预测性能对比Tab.1 Prediction performance comparison of two models》2019.01.10
  3. 《表2 越冬后期稻田中小天鹅警戒能量消耗候选模型预测*Tab.2 Candidate models for predicting Tundra Swan alerting behavior in the paddy field during》2019.01.06
  4. 《表2 3种模型的性能对比分析Table 2 Performance comparison of three models》2018.04.01
  5. 《表6 各叶轮优化模型与原始模型各性能指标对比Table 6Comparison of optimized model and original model in performance indexes》2018.02.01
  6. 《表4 NV-SVR预测模型与传统的智能预测模型的性能比较Table 4 Performance comparison of NV-SVR prediction model with the traditional intelligent p》2018.03.06
  7. 《表2 水稻籽粒Cd含量预测模型1) Table 2 Models predicting the Cd content in rice grains》2018.04.15
  8. 《表4 不同窗口下Skipgram模型的性能Table 4 Performance of Skipgram model under different window size》2018.02.01
  9. 《表3 不同窗口下CBOW模型的性能Table 3 Performance of CBOW model under different win-dow size》2018.02.01
  10. 《表4 模型试验中钢壳沉管自密实混凝土性能测试结果Table 4 Performance test results of SCC during the model experiment》2018.09.25
  11. 《表2 预测性能计算结果Table 2 Calculation results of predicting performance》2018.06.30
  12. 《表2 小鼠体液、脂肪和瘦肉含量PLSR和PCR模型参数Table 2 Parameters of the PLSR and PCR models for predicting body fluid, fat and lean content》2018.08.20
  13. 《表3 不同模型性能比较Table 3 Performances of different models》2018.06.01
  14. 《表1 波长的选择结果及模型的预测性能Tab.1 Selection results of wavelengths and predictive performance of the model》2018.12.01
  15. 《表2 典型的高性能计算模型及框架的对比Tab.2 Comparison of high-performance computing models and frameworks》2018.10.28
  16. 《表1 3种模型预测性能评估Tab.1 Performance evaluation of three forecasting models》2018.07.25
  17. 《表2 模型预测性能对比Tab.2 Comparison of Model Prediction Performance》2018.02.20
  18. 《表2 3种模型的预测性能比较Table 2 Comparison of performance of three models》2018.04.18
  19. 《表7 模型性能对比Table 7 Model performance Comparison》2018.06.01
  20. 《表2 血压模型预测DBP精度比较 (单位:mm Hg) Table 2 Accuracy comparison of blood pressure models predicting DBP (unit:mm Hg)》2018.10.01

随机翻阅

《表5 F2代植株总苞喙性状分离结果》 《表1 幼儿园评价工作评估主体》 《表1 实验用原材料成分分析》 《表1 冶金轧辊、输送辊采用等离子束表面冶金技术和超音速喷涂技术制造和维修应用状况》 《表2 专业英语课老师和授课课时》 《表5 优秀男子拳击运动员专项力量指标总解释方差》 《表2 三组患者干预前后睡眠结构比较[M (P25, P75）]》 《表1 本研究中乳头状甲状腺癌的临床病理特征》 《表4 杭州市女大学生对HPV疫苗接种意愿的影响因素分析》 《表1 3组患者一般资料比较》